尼古拉斯·波尔森（Nicholas G.Polson）。;詹姆斯·G·斯科特。;杰西·温德尔 贝叶斯桥。 （英语） Zbl 07555460号 J.R.Stat.Soc.，序列号。B、 统计方法。 76，第4期，713-733（2014）。 摘要：我们提出了正则回归和分类的贝叶斯桥估计。开发了贝叶斯桥梁模型的两种关键混合表示：关于α稳定随机变量的正态分布的尺度混合；Bartlett-Fejer核（或三角形密度）与伽马随机变量的双成分混合物的混合物。两者都导致了用于后验模拟的马尔可夫链蒙特卡罗方法，并且这些方法具有最大效率的互补域。第一种表示法是西方的著名结果，是共线设计矩阵的更好选择。第二种表示是新的，对于正交问题更有效，主要是因为它避免了处理指数倾斜稳定随机变量的需要。它还提供了对关节后向分布的多模态的见解，这是桥梁模型的一个特征，在脊或套索型先兆下明显缺失。我们证明了一个定理，该定理将这种表示推广到更广泛的密度类，这些密度类可以表示为β分布的尺度混合，并且我们提供了混合分布的显式反演公式。探讨了正态分布的分层抽样和尺度混合的关系。在实际方面，我们发现贝叶斯桥模型在各种模拟和实际数据集的估计和预测方面优于其经典同类模型。我们还表明，用于拟合桥梁模型的马尔可夫链蒙特卡罗算法具有良好的混合特性，特别是对于全局尺度参数。这与其他稀疏贝叶斯模型的类似马尔可夫链蒙特卡罗算法形成了良好的对比。本文描述的所有方法都是在R包BayesBridge中实现的。两个在线补充文件中提供了一组广泛的模拟结果。 引用于1审查引用于29文件 MSC公司： 62至XX 统计 关键词：贝叶斯方法;电桥估计器;数据增强;先验分布;稀疏 PDF格式BibTeX公司 XML格式引用 \textit｛N.G.Polson｝等人，J.R.Stat.Soc.，Ser。B、 统计方法。76，第4号，713--733（2014；Zbl 07555460） 全文： 内政部 arXiv公司